Toegepaste Wiskunde 2: Het Kalman-filter
|
|
- Elisabeth Geerts
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer correcte benaming zou zijn: het lineaire Stratonovich- Kalman-Bucy filter. Het is zeer geschikt om electronica te programmeren die vliegende objecten in real time localiseert. Tegenwoordig wordt het filter ook ingezet om beurskoeren te voorspellen, en diverse andere, in de tijd veranderende grootheden. Het filter wordt gevoed met stochastische a priori aannamen over bijvoorbeeld plaats en snelheid van het te volgen object, en vertaalt deze na elke nieuwe waarneming in bijgestelde, a posteriori schattingen. De schatting op zeker tijdstip is de voorwaardelijke verwachting van de betreffende grootheid, gegeven alle observaties die tot dan toe zijn gedaan. De geschiedenis van het Kalmanfilter is een van de succesverhalen van de Toegepaste Wiskunde. Meteen na de ontwikkeling ervan door Kalman, op basis van ideeën van Stratonovich, is het door de NASA ingezet in het Apolloproject, dat ten doel had een mens op de maan te brengen. Without me no moon, placht Kalman te zeggen. 2. Voorwaardelijke Verwachting De voorwaardelijke kans op een gebeurtenis A, gegeven een gebeurtenis B is gedefinieerd als P(A B) P(A B) :=, P(B) mits P(B) 0. Dit leidt onmiddellijk tot de definitie van een voorwaardelijke verwachting van een discrete stochast X, gegeven een gebeurtenis B: zij W de waardenverzameling van X, dan is E(X B) := x W x P([X = x] B). 1 Modellenpracticum 2008: Kalmanfilter
2 En deze leidt weer tot de definitie van een voorwaardelijke verwachting van een discrete stochast X, gegeven een tweede discrete stochast Z: E(X Z) : Ω R : ω f(z(ω)), waarbij f(z) := E(X Z = z). (1) Merk op dat deze voorwaardelijke verwachting zelf een stochast is, helemaal vastgelegd door Z. We beweren nu dat dit de beste schatting is van X op basis van kennis over Z. Lemma 1. Laten X en Z discrete stochasten zijn, zeg met waardeverzamelingen W X en W Z. Dan is E(X Z) = f(z), waarbij f díe functie is van W Z naar R, waarvoor minimaal is. E ( (f(z) X) 2) Dit is een uitbreiding van het eenvoudige stellinkje dat zegt dat voor een willekeurige stochast X de waarde van λ R waarvoor E ( (λ X) 2) minimaal is gegeven wordt door de verwachting E(X). Immers: voor alle λ R geldt: E ( (λ X) 2) = λ 2 2λE(X) + E(X 2 ) = ( (λ E(X)) 2) + Var(X). Bewijs van het Lemma. Zij f : W Z R zó dat E(f(Z) 2 ) <. Dan geldt: E ( (f(z) X) 2) = ( P[Z = z] E (f(z) X) 2 Z = z ) z W Z = ( P[Z = z] f(z) 2 2f(z)E(X Z = z) + E(X 2 Z = z) ) z W Z = ( P[Z = z] (f(z) E(X Z = z)) 2 + E(X 2 Z = z) E(X Z = z) 2) z W Z = E ( (f(z) E(X Z)) 2) + E ( E(X 2 Z) E(X Z) 2). De tweede term hangt niet van f af, en de eerste is minimaal (namelijk 0) voor f(z) = E(X Z = z), dus f(z) = E(X Z). Voor continu verdeeld stochasten, waar we in het volgende voornamelijk in geïnteresseerd zullen zijn, gaat definitie (1) van E(X Z) niet meer op, omdat een gebeurtenis als [Z = z] kans 0 heeft, zodat je er niet op kunt conditioneren. De karakterisering als gegeven in het Lemma blijft echter zinvol, en we zullen deze daarom gaan gebruiken als definitie van E(X Z). Het zal handig blijken te zijn, meer dan één stochast te gebruiken als voorwaarde. Definitie. Laten X en Z 1, Z 2,..., Z n stochasten zijn met eindige variantie. Onder de voorwaardelijke verwachting E(X Z 1,..., Z n ) van X, gegeven Z 1, Z 2,, Z n verstaan we f(z 1, Z 2,, Z n ), waarbij (de meetbare functie) f : R n R zó gekozen is dat ( (X E f(z1, Z 2,, Z n ) ) 2) minimaal is. 2 Modellenpracticum 2008: Kalmanfilter
3 3. Gaussische stochastische variabelen Het Kalman-filter berekent voorwaardelijke verwachtingen in het heel speciale, maar belangrijke geval van normaal verdeelde stochasten. Het zal blijken dat bovenstaande definitie een mooie meetkundige interpretatie krijgt Een concreet model Zij N N. We maken een kansruimte (Ω N, Σ N, P N ) als volgt. Voor Ω N nemen we de N- dimensionale ruimte R N, en voor Σ N de standaard-sigma-algebra die daarbij hoort. (We maken ons nu niet druk over de maattheorie van R N, en doen alsof we precies weten wat meetbare verzamelingen zijn. Voor de kenners: we nemen de Borel-verzamelingen. Voor anderen: we beschouwen alleen verzamelingen waar we over kunnen integreren.) Voor P = P N kiezen we die kansmaat op R N die de coordinaten tot onafhankelijke normaalverdeelde stochasten maakt: voor A R N : P(A) := 1 (2π) n/2 A e 1 2 (x2 1 +x x2 N ) dx 1 dx 2 dx N. De stochastische variabelen die we zullen beschouwen zijn de lineaire functies Ω R, oftewel vectoren v in de duale ruimte Ω van Ω: X v : Ω R : x v, x. Deze keuze van stochasten heeft de volgende consequenties: 1. De stochast X v is normaal verdeeld, met verwachting 0 en variantie v Als v w, dan zijn X v en X w onafhankelijk: X v X w. Deze twee eigenschappen vatten we samen met: De stochasten X v, v Ω zijn gezamenlijk Gaussisch. Verdere gevolgen van onze constructie zijn: 3. De voorwaardelijke verwachting van X v, gegeven X z is X Pv, waarbij P de orthogonale projectie is op de lijn door z Voorbeeld Zij X een stochastische variabele met gemiddelde 0 en variantie a 2. Stel dat we X niet direct kunnen observeren, maar alleen met een normaal verdeelde waarnemingsfout W, die onafhankelijk is van X en die gemiddelde 0 en variantie m 2 heeft. We nemen dus de volgende stochast waar: Z := X + W. Wat is de beste schatting X van X, gebaseerd op onze waarneming van Z? Bewering. De beste schatting van X, gegeven Z is (zie figuur) X = E(XZ) E(Z 2 ) Z = a 2 a 2 + m 2 Z. 3 Modellenpracticum 2008: Kalmanfilter
4 Bewijs. We modelleren deze situatie met de kansruimte (Ω N, Σ N, P N ). Zij N = 2, X = X (a,0), W = X (o,m), zodat Z = X (a,m). De projectie van (a, 0) op de lijn door 0 en (a, m) laat zich in het plaatje gemakkelijk aflezen: p = a 2 (a, m). a 2 + m2 En dus is X := E(X Z) = X p = a 2 a 2 + m 2 Z. W = (0, m) Z = (a, m) X^ X = (a, 0) Je zou de factor a 2 /(a 2 + m 2 ) kunnen interpreteren als de geloofwaardigheid van de waarneming Z. Deze brengt tot uitdrukking brengt in hoeverre wij de afwijking van Z van de a priori schatting 0 toeschrijven aan het voorwerp zelf, en in hoeverre we ze afdoen als ruis. 4. Een Kalman-filter Neem aan dat de positie van een vliegend voorwerp ten tijde t gegeven wordt door X + tv, waarbij X en V onafhankelijke, normaal verdeelde stochasten zijn, zeg met varianties respectievelijk α 2 en β 2, en met verwachting 0. Het idee is, dat α en β heel groot zijn, zodat wij van plaats en snelheid van het voorwerp op tijdstip 0 niet veel weten. De aanname E(X) = E(V ) = 0 is hier enkel voor de eenvoud gemaakt. Nu gaan we waarnemingen doen op tijdstippen t 1, t 2,, t n ; op tijdstip t j meten we Z j := X + t j V + R j. De ruis R j is een rij onafhankelijke normaal verdeelde stochasten met verwachting 0 en variantie ε 2, onafhankelijk van X en V. We modelleren dit probleem met behulp van Paragraaf Modellenpracticum 2008: Kalmanfilter
5 Laat N = n + 2 en identificeer de volgende vectoren in Ω N probleem. X = (α, 0, 0, 0, 0,..., 0) V = (0, β, 0, 0, 0,..., 0) R 1 = (0, 0, ε, 0, 0,..., 0) R 2 = (0, 0, 0, ε, 0,..., 0). Z 1 = (α, t 1 β, ε, 0, 0,..., 0) Z 2 = (α, t 1 β, 0, ε, 0,..., 0). met de stochasten uit het Zij nu Z j de lineaire ruimte, opgespannen door Z 1, Z 2,..., Z j. Zij P j de orthogonale projectie van Ω op Z j. Dan is de beste schatting X j := E(X Z 1, Z 2,, Z j ) de projectie van X = X (α,0,0,...,0) op Z j : Xj = P j (X), en evenzo is V j = P j (V ). Op tijdstip 0 hebben we nog niets gezien, en schatten we X en V met hun verwachtingswaarden: X 0 = 0, V0 = 0. Op tijdstip t 1 zien we Z 1, en we updaten onze kennis over X en V : X 1 = c 1 Z 1, met c 1 zó dat X X 1 Z 1. Dus moet X c 1 Z 1, Z 1 = 0, zodat X, Z 1 = c 1 Z 1, Z 1, dat wil zeggen: α 2 = c 1 (α 2 + β 2 t ε 2 ). We vinden: α X 2 1 = α 2 + β 2 t Z ε2 1, en analoog: V 1 = β 2 t 2 1 α 2 + β 2 t ε2 Z 1. De volgende stap, na de waarneming van Z 2, is ingewikkelder dat de eerste, omdat Z 1 en Z 2 niet onafhankelijk (orthogonaal) zijn. Het is dan voordelig, in stap j 2 eerst het innovatieve of verrassende deel N j uit de nieuwe waarneming Z j te isoleren: N j := Z j P j 1 (Z j ). Deze innovaties N 1, N 2,, N n zijn onderling onafhankelijk, en, gezien als vecoren in Ω, orthogonaal. Hieruit volgt dat X j = X j 1 + E(XN j) E(N 2 j ) N j en Vj = V j 1 + E(V N j) E(N 2 j ) N j. (2) Op basis hiervan komen we tot het volgende resultaat 5 Modellenpracticum 2008: Kalmanfilter
6 Stelling 2. De beste schattingen van X en V, gegeven de eerste j waarnemingen worden gegeven door de volgende recursieve vergelijkingen. X j = X α 2 j 1 j t ( jγ j 1 α 2 j 1 + t2 j β2 j 1 + 2t jγ j 1 + ε 2 Z j ( ) ) Xj 1 + t j Vj 1 ; V j = V t j βj 1 2 j γ ( j 1 α 2 j 1 + t2 j β2 j 1 + 2t jγ j 1 + ε 2 Z j ( ) ) (3) Xj 1 + t j Vj 1, waarin de parameters α j, β j en γ j worden berekend met de recursie α 0 = α ; β 0 = β ; γ 0 = 0 ; α 2 j = α 2 j 1 β 2 j = β 2 j 1 (α 2 j 1 + t jγ j 1 ) 2 α 2 j 1 + t2 j β2 j 1 + 2t jγ j 1 + ε 2 ; (t j β 2 j 1 + γ j 1) 2 α 2 j 1 + t2 j β2 j 1 + 2t jγ j 1 + ε 2 ; γ j = γ j 1 (α2 j 1 + t jγ j 1 )(t j β 2 j 1 + γ j 1) α 2 j 1 + t2 j β2 j 1 + 2t jγ j 1 + ε 2. Bewijs. Definieer α 2 j := X X j 2 ; β 2 j := V V j 2 ; γ j := X X j, V V j. Dan geldt: E(XN j ) = X, (1 P j )Z j = X X j 1, (X X j 1 ) + t j (V V j 1 ) + R j = X X j t j X X j 1, V V j 1 = α 2 j 1 + t jγ j 1. E(Nj 2 ) = (X X j 1 ) + t j (V V j 1 ) + R j 2 = α 2 j 1 + t2 j β2 j 1 + 2t jγ j + ε 2. Met (2) volgt nu (3). De recursies voor α j, β j en γ j worden nu gevonden met α 2 j 1 α 2 j = X, (P j P j 1 )X = E(XN j) 2 E(N 2 j ) ; β 2 j 1 β 2 j = V, (P j P j 1 )V = E(V N j) 2 E(N 2 j ) ; γ j 1 γ j = X, (P j P j 1 )V = E(XN j)e(v N j ) E(N 2 j ). 6 Modellenpracticum 2008: Kalmanfilter
Cursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere informatieTentamen Voortgezette Kansrekening (WB006C)
WB6C: Voortgezette Kansrekening Donderdag 26 januari 212 Tentamen Voortgezette Kansrekening (WB6C) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan.
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2, Vrijdag 23 januari 25, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven dienen
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Uitwerking tentamen Kansrekening en Stochastische Processen (2S61) op woensdag 27 april 25, 14. 17. uur. 1. Gegeven zijn twee onafhankelijke
Nadere informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/28 Schatten van de verwachting We hebben een stochast X en
Nadere informatieKansrekening en statistiek wi2105in deel I 29 januari 2010, uur
Kansrekening en statistiek wi20in deel I 29 januari 200, 400 700 uur Bij dit examen is het gebruik van een (evt grafische rekenmachine toegestaan Tevens krijgt u een formuleblad uitgereikt na afloop inleveren
Nadere informatieFACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie Lineaire Algebra, tentamen Uitwerkingen vrijdag 4 januari 0, 9 uur Gebruik van een formuleblad of rekenmachine is niet toegestaan. De
Nadere informatieDeeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013
Afdeling Wiskunde Volledig tentamen Algemene Statistiek Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen:
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/23 Voor een verzameling stochastische variabelen X 1,..., X n, de verwachting van W n = X 1 + + X n is
Nadere informatieGezamenlijke kansverdeling van twee stochasten
Gezamenlijke kansverdeling van twee stochasten Voorbeeld: V = de windsnelheid H = hoogte van het waterniveau in een rivier/zee De combinatie (V, H) is van belang voor een overstroming en niet zozeer V
Nadere informatieTRILLINGEN EN GOLVEN HANDOUT FOURIER
TRILLINGEN EN GOLVEN HANDOUT FOURIER Cursusjaar 2009 / 2010 2 Inhoudsopgave 1 FOURIERANALYSE 5 1.1 INLEIDING............................... 5 1.2 FOURIERREEKSEN.......................... 5 1.3 CONSEQUENTIES
Nadere informatieSchrijf boven elk vel je naam, studentnummer en studierichting (W, N of I). Het is toegestaan een (grafische) rekenmachine te gebruiken.
Radboud Universiteit Nijmegen Heyendaalse weg 135 Faculteit FNWI 655 AJ Nijmegen Examen NWI-NBB Inleiding Kansrekening 1 januari 1 Schrijf boven elk vel je naam, studentnummer en studierichting W, N of
Nadere informatieDeze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten
Deze week: Steekproefverdelingen Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen Cursusjaar 29 Peter de Waal Zuivere Schatters Betrouwbaarheidsintervallen Departement Informatica Hfdstk
Nadere informatieZo geldt voor o.o. continue s.v.-en en X en Y dat de kansdichtheid van X + Y gegeven wordt door
APP.1 Appendix A.1 Erlang verdeling verdeling met parameters n en λ Voor o.o. discrete s.v.-en X en Y geldt P (X + Y = z) =P (X = x 1 en Y = z x 1 )+P(X = x en Y = z x )+... = P (X = x 1 )P (Y = z x 1
Nadere informatieInwendig product, lengte en orthogonaliteit
Inwendig product, lengte en orthogonaliteit We beginnen met een definitie : u u Definitie. Als u =. en v = u n v v. v n twee vectoren in Rn zijn, dan heet u v := u T v = u v + u v +... + u n v n het inwendig
Nadere informatieVectormeetkunde in R 3
Vectormeetkunde in R Definitie. Een punt in R wordt gegeven door middel van drie coördinaten : P = (x, y, z). Een lijnstuk tussen twee punten P en Q voorzien van een richting noemen we een pijltje. Notatie
Nadere informatieTuyaux 3de Bachelor Wiskunde WINAK
Tuyaux 3de Bachelor Wiskunde WINAK Eerste Semester 2011-2012 Inhoudsopgave 1 Inleiding 2 2 Maattheorie 3 2.1 Theorie....................................... 3 2.2 Oefeningen.....................................
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1/19
Stochastiek 2 Inleiding in de Mathematische Statistiek 1/19 Herhaling H.1 2/19 Mathematische Statistiek We beschouwen de beschikbare data als realisatie(s) van een stochastische grootheid X.(Vaak een vector
Nadere informatieTentamen Inleiding Kansrekening 16 juni 2017, 14:00 17:00 Docent: Prof. dr. F. den Hollander
Tentamen Inleiding Kansrekening 6 juni 7, : 7: Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan. Er zijn 8 vragen, elk met twee of drie onderdelen.
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 17 Statistische toetsen 2 / 17 Toetsen - algemeen - 1 Setting: observatie X in X, model {P θ : θ Θ}. Gegeven partitie Θ = Θ 0 Θ 1, met Θ 0 Θ 1
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2), Vrijdag 24 januari 24, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven
Nadere informatie3 De duale vectorruimte
3 De duale vectorruimte We brengen de volgende definitie in de herinnering. Definitie 3.1 (hom K (V, W )) Gegeven twee vectorruimtes (V, K) en (W, K) over K noteren we de verzameling van alle lineaire
Nadere informatieStatistiek voor A.I. College 6. Donderdag 27 September
Statistiek voor A.I. College 6 Donderdag 27 September 1 / 1 2 Deductieve statistiek Kansrekening 2 / 1 Vraag: Afghanistan In het leger wordt uit een groep van 6 vrouwelijke en 14 mannelijke soldaten een
Nadere informatieInwendig product, lengte en orthogonaliteit in R n
Inwendig product, lengte en orthogonaliteit in R n Het inwendig product kan eenvoudig worden gegeneraliseerd tot : u v u v Definitie Als u = u n en v = v n twee vectoren in Rn zijn, dan heet u v := u T
Nadere informatieONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.
ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.8 ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Inleiding
Nadere informatieTentamen Kansrekening en Statistiek (2WS04), dinsdag 17 juni 2008, van uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2WS4, dinsdag 17 juni 28, van 9. 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieVectorruimten met inproduct
Hoofdstuk 3 Vectorruimten met inproduct 3. Inleiding In R 2 en R 3 hebben we behalve de optelling en scalairvermenigvuldiging nog meer structuur ; bij een vector kun je spreken over zijn lengte en bij
Nadere informatieTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN
TENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN Vakcode: 8D020. Datum: vrijdag 17 maart 2006. Tijd: 14:00 17:00. Plaats: SC C. Lees dit vóórdat je begint! Maak iedere opgave op een apart vel. Schrijf je
Nadere informatieHoofdstuk 10: Partiële differentiaalvergelijkingen en Fourierreeksen
Hoofdstuk : Partiële differentiaalvergelijkingen en Fourierreeksen Partiële differentiaalvergelijkingen zijn vergelijkingen waarin een onbekende functie van twee of meer variabelen en z n partiële afgeleide(n)
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9. email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/ds6 Technische Universiteit Eindhoven college 9 J.Keijsper (TUE)
Nadere informatieTweede huiswerkopdracht Lineaire algebra 1 Uitwerking en opmerkingen
Tweede huiswerkopdracht Lineaire algebra 1 en opmerkingen November 10, 2009 Opgave 1 Gegeven een vectorruimte V met deelruimtes U 1 en U 2. Als er geldt dim U 1 = 7, dimu 2 = 9, en dim(u 1 U 2 ) = 4, wat
Nadere informatieJe hebt twee uur de tijd voor het oplossen van de vraagstukken. µkw uitwerkingen. 12 juni 2015
Je hebt twee uur de tijd voor het oplossen van de vraagstukken. Elk vraagstuk is maximaal 10 punten waard. Begin elke opgave op een nieuw vel papier. µkw uitwerkingen 12 juni 2015 Vraagstuk 1. We kunnen
Nadere informatieTentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u
Technische Universiteit Delft Mekelweg 4 Faculteit Elektrotechniek, Wiskunde en Informatica 2628 CD Delft Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u Formulebladen, rekenmachines,
Nadere informatieTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN
TENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN Vakcode: 8D00. Datum: Vrijdag 1 maart 003. Tijd: 14.00 17.00 uur. Plaats: VRT 03H04. Lees dit vóórdat je begint! Maak iedere ogave o een aart vel. Schrijf
Nadere informatieStatistiek voor Natuurkunde Opgavenserie 1: Kansrekening
Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Inleveren: 12 januari 2011, VOOR het college Afspraken Serie 1 mag gemaakt en ingeleverd worden in tweetallen. Schrijf duidelijk je naam, e-mail
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/28 The delta functie Zij De eenheids impulsfunctie is: d ε (x) = { 1ε als ε 2 x ε 2 0 anders δ(x) = lim
Nadere informatieVoorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal. Toets Kansrekenen I. 28 maart 2014
Voorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal Toets Kansrekenen I 28 maart 2014 Naam : Richting : Lees volgende aanwijzingen alvorens aan het examen te beginnen Wie de
Nadere informatieVoorbereiding Kansrekening
Voorbereiding Kansrekening 1. Kansruimte 1.1 Verzamelingenleer Voor het begrip kansruimte moeten we iets van de verzamelingentheorie weten. De moderne wiskunde is gebaseerd op de verzamelingentheorie.
Nadere informatieUitwerking Tentamen Inleiding Kansrekening 11 juni 2015, uur Docent: Prof. dr. F. den Hollander
Uitwerking Tentamen Inleiding Kansrekening juni 25,. 3. uur Docent: Prof. dr. F. den Hollander () [6] Zij F een gebeurtenissenruimte. Laat zien dat voor elke B F de verzameling G {A B : A F} opnieuw een
Nadere informatieUitwerking Hertentamen Inleiding Kansrekening 6 juli 2015, uur Docent: Prof. dr. F. den Hollander
Uitwerking Hertentamen Inleiding Kansrekening 6 jli 5, 4. 7. r Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebrik van boek en aantekeningen niet toegestaan. Er zijn vragen. Elke vraag is
Nadere informatieTentamen Kansrekening en Statistiek MST 14 januari 2016, uur
Tentamen Kansrekening en Statistiek MST 14 januari 2016, 14.00 17.00 uur Het tentamen bestaat uit 15 meerkeuzevragen 2 open vragen. Een formuleblad wordt uitgedeeld. Normering: 0.4 punt per MC antwoord
Nadere informatieOpgaven Getaltheorie en Cryptografie (deel 4) Inleverdatum: 13 mei 2002
Opgaven Getaltheorie en Cryptografie (deel 4) Inleverdatum: 13 mei 2002 19.a) Laat zien dat 5 een voortbrenger is van F 37. b) In het sleuteldistributiesysteem van Diffie en Hellman (met G = F 37, α =
Nadere informatieTentamen Grondslagen van de Wiskunde A met uitwerking
Tentamen Grondslagen van de Wiskunde A met uitwerking 9 december 2014, 09:30 12:30 Dit tentamen bevat 5 opgaven; zie ook de ommezijde. Alle opgaven tellen even zwaar (10 punten); je cijfer is het totaal
Nadere informatieTentamen Inleiding Kansrekening 9 juni 2016, 10:00 13:00 Docent: Prof. dr. F. den Hollander
Tentamen Inleiding Kansrekening 9 juni 6, : 3: Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan. Er zijn 8 vragen, elk met onderdelen. Elk onderdeel
Nadere informatieDiscrete Wiskunde, College 5. Han Hoogeveen, Utrecht University
Discrete Wiskunde, College 5 Han Hoogeveen, Utrecht University Voorwaarde gebruik gewone genererende functie Algemene vorm genererende functie voor object q + 1: G q+1 (x) = a h x h h=0 Wanneer je nu wilt
Nadere informatie-- V HOOFDSTUK V STORINGSREKENING
-- V - 1 - HOOFDSTUK V STORINGSREKENING Storingsrekening is een in eerste benadering goedkopere methode dan variatierekening. Indien de storingsreeks convergeert, is het in principe net zo exact als variatierekening.
Nadere informatieTI83-werkblad. Vergelijkingen bij de normale verdeling
TI83-werkblad Vergelijkingen bij de normale verdeling 1. Inleiding Een normale verdeling wordt bepaald door de constanten µ en σ. Dit blijkt uit het voorschrift van de verdelingsfunctie van de normale
Nadere informatieKies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen
Hoofdstuk 95 Orthogonaliteit 95. Orthonormale basis Definitie 95.. Een r-tal niet-triviale vectoren v,..., v r R n heet een orthogonaal stelsel als v i v j = 0 voor elk paar i, j met i j. Het stelsel heet
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 7 Dinsdag 11 Oktober 1 / 33 2 Statistiek Vandaag: Populatie en steekproef Maten Standaardscores Normale verdeling Stochast en populatie Experimenten herhalen 2 / 33 3
Nadere informatieCollege WisCKI. Albert Visser. 5 december, Department of Philosophy, Faculty Humanities, Utrecht University. Lijn, Vlak, etc.
College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 5 december, 2012 1 Overview 2 Overview 2 Overview 2 Overview 2 Overview 3 Vectorvoorstelling Lijn: x = b +
Nadere informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
Nadere informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/39 Een stochastisch proces (stochastic proces) X (t) bestaat
Nadere informatieDeze week: Verdelingsfuncties. Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties. Bernoulli verdeling. Bernoulli verdeling.
Deze week: Verdelingsfuncties Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties Cursusjaar 29 Peter de Waal Toepassingen Kansmassafuncties / kansdichtheidsfuncties Eigenschappen Departement Informatica
Nadere informatieStochastiek 2. Inleiding in the Mathematische Statistiek. staff.fnwi.uva.nl/j.h.vanzanten
Stochastiek 2 Inleiding in the Mathematische Statistiek staff.fnwi.uva.nl/j.h.vanzanten 1 / 12 H.1 Introductie 2 / 12 Wat is statistiek? - 2 Statistiek is de kunst van het (wiskundig) modelleren van situaties
Nadere informatieHoofdstuk 11: Randwaardeproblemen en Sturm-Liouville theorie
Hoofdstuk : Randwaardeproblemen en Sturm-Liouville theorie.. Tweepunts randwaardeproblemen. Bij het oplossen van partiële differentiaalvergelijkingen met behulp van de methode van scheiden van variabelen
Nadere informatieOverzicht. Statistiek voor Informatica Hoofdstuk 2: Voorwaardelijke kansen. Voorwaardelijke kans. Voorbeeld: Probabilistisch redeneren
Overzicht Statistiek voor Informatica Hoofdstuk 2: Voorwaardelijke kansen Cursusjaar 2009 Peter de Waal Departement Informatica Voorwaardelijke kans Rekenregels Onafhankelijkheid Voorwaardelijke Onafhankelijkheid
Nadere informatieLineaire algebra I (wiskundigen)
Lineaire algebra I (wiskundigen) Toets, donderdag 22 oktober, 2009 Oplossingen (1) Zij V het vlak in R 3 door de punten P 1 = (1, 2, 1), P 2 = (0, 1, 1) en P 3 = ( 1, 1, 3). (a) Geef een parametrisatie
Nadere informatieOpgaven bij Numerieke Wiskunde I
Opgaven bij Numerieke Wiskunde I 7 november 8 1. (a) Gegeven verschillende interpolatiepunten x, x 1, x [a, b], en getallen y, y 1, y, z 1, toon aan dat er hooguit 1 polynoom p P 3 is met p(x i ) = y i,
Nadere informatieLineaire afbeeldingen
Les 2 Lineaire afbeeldingen Als een robot bij de robocup (het voetbaltoernooi voor robots een doelpunt wil maken moet hij eerst in de goede positie komen, d.w.z. geschikt achter de bal staan. Hiervoor
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Uitwerking tentamen Kansrekening en Stochastische Processen S60) op vrijdag 4 januari 0, 4.00 7.00 uur.. Gegeven zijn twee stochastische
Nadere informatieVoorbeeld 1. Statistiek voor Informatica Hoofdstuk 3: Stochastische Variabelen en Verdelingen. Voorbeeld 2A. Voorbeeld 1 (vervolg)
Voorbeeld Statistiek voor Informatica Hoofdstuk 3: Stochastische Variabelen en Verdelingen Cursusjaar 2009 Peter de Waal Departement Informatica In een eperiment gooien we 4 maal met een zuivere munt.
Nadere informatiex cos α y sin α . (1) x sin α + y cos α We kunnen dit iets anders opschrijven, namelijk als x x y sin α
Lineaire afbeeldingen Rotatie in dimensie 2 Beschouw het platte vlak dat we identificeren met R 2 Kies een punt P in dit vlak met coördinaten (, y) Stel dat we het vlak roteren met de oorsprong (0, 0)
Nadere informatieTechnische Universiteit Delft. ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW2030 Vrijdag 30 januari 2015,
Technische Universiteit Delft Faculteit EWI ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW23 Vrijdag 3 januari 25, 4.-7. Dit tentamen bestaat uit 6 opgaven. Alle antwoorden dienen beargumenteerd
Nadere informatieVrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.
Afdeling Wiskunde Volledig tentamen Statistics Deeltentamen 2 Statistics Vrije Universiteit 28 mei 2015 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen: opgaven 1,2,3,4. Cijfer=
Nadere informatieModellen en Simulatie Recursies
Utrecht, 3 mei 3 Modellen en Simulatie Recursies Program Management voorbeeld (affien) Economisch voorbeeld (affien) Rupsen-wespen (niet lineair) Niet-lineaire modellen, evenwicht, stabiliteit Gerard Sleijpen
Nadere informatieDualiteit. Raymond van Bommel. 6 april 2010
Dualiteit Raymond van Bommel 6 april 2010 1 Inleiding Op veel manieren kan meetkunde worden bedreven. De bekendste en meest gebruikte meetkunde is de Euclidische meetkunde. In dit artikel gaan we kijken
Nadere informatieUitwerkingen tentamen lineaire algebra 2 13 januari 2017, 10:00 13:00
Uitwerkingen tentamen lineaire algebra 3 januari 07, 0:00 3:00 Hint: Alle karakteristiek polynomen die je nodig zou kunnen hebben, hebben gehele nulpunten. Als dat niet het geval lijkt, dan heb je dus
Nadere informatieEXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I. 1. Theorie
EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I MAANDAG 17 JANUARI 2011 1. Theorie Opgave 1. (a) In Voorbeelden 2.1.17 (7) wordt gesteld dat de maximale lineair onafhankelijke deelverzamelingen van
Nadere informatieV.2 Limieten van functies
V.2 Limieten van functies Beschouw een deelverzameling D R, een functie f: D R en zij c R. We willen het gedrag van f in de buurt van c bestuderen. De functiewaarde in c is daarvoor niet belangrijk, de
Nadere informatieStatistiek voor A.I.
Statistiek voor A.I. College 13 Donderdag 25 Oktober 1 / 28 2 Deductieve statistiek Orthodoxe statistiek 2 / 28 3 / 28 Jullie - onderzoek Tobias, Lody, Swen en Sander Links: Aantal broers/zussen van het
Nadere informatieSet 3 Inleveropgaven Kansrekening (2WS20) Opgaven met sterretjes zijn lastiger dan opgaven zonder sterretje.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Set 3 Inleveropgaven Kansrekening (2WS2) 23-24 Opgaven met sterretjes zijn lastiger dan opgaven zonder sterretje.. Voetbalplaatjes. Bij
Nadere informatieCombinatoriek groep 1 & 2: Recursie
Combinatoriek groep 1 & : Recursie Trainingsweek juni 008 Inleiding Bij een recursieve definitie van een rij wordt elke volgende term berekend uit de vorige. Een voorbeeld van zo n recursieve definitie
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 18
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 18 t-toetsen 2 / 18 Steekproefgemiddelde en -variantie van normale observaties Stelling. Laat X 1,..., X n o.o. zijn en N(µ, σ 2 )-verdeeld. Dan:
Nadere informatieCollege WisCKI. Albert Visser. 10 oktober, Department of Philosophy, Faculty Humanities, Utrecht University. Equivalentierelaties.
College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 10 oktober, 2012 1 Overview 2 Overview 2 Overview 2 Overview 3 Wat is een equivalentierelatie? Een equivalentie
Nadere informatieTentamen lineaire algebra voor BWI maandag 15 december 2008, uur.
Vrije Universiteit Amsterdam Faculteit der Exacte Wetenschappen Afdeling Wiskunde Tentamen lineaire algebra voor BWI maandag 5 december 8, 5.5-8. uur. ELK ANTWOORD DIENT TE WORDEN BEARGUMENTEERD. Er mogen
Nadere informatieUitwerkingenOefenQuiz Kansrekening 2009
Universiteit Utrecht *Universiteit-Utrecht Boedapestlaan 6 Mathematisch Instituut 3584 CD Utrecht UitwerkingOefQuiz Kansreking 29 1. James Bond zoekt e brief in één van de drie ladkast in het voormalige
Nadere informatieLineaire Algebra C 2WF09
Lineaire Algebra C 2WF09 College: Instructie: L. Habets HG 8.09, Tel. 4230, Email: l.c.g.j.m.habets@tue.nl H. Wilbrink HG 9.49, Tel. 2783, E-mail: h.a.wilbrink@tue.nl http://www.win.tue.nl/wsk/onderwijs/2wf09
Nadere informatieHERTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN
HERTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN Vakcode: 8D. Datum: Vrijdag juli 3. Tijd: 9.. uur. Plaats: AUD 5. Lees dit vóórdat je begint! Maak iedere opgave op een apart vel. Schrijf je naam en studentnummer
Nadere informatieDe dimensie van een deelruimte
De dimensie van een deelruimte Een deelruimte van R n is een deelverzameling die op zichzelf ook een vectorruimte is. Ter herinnering : Definitie. Een deelverzameling H van R n heet een deelruimte van
Nadere informatieEXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I
EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I Theorie Opgave 1. In deze opgave wordt gevraagd om een aantal argumenten of overgangen uit de cursusnota s in detail te verklaren. In delen (a) (b) peilen we naar
Nadere informatieTentamen Inleiding Kansrekening wi juni 2010, uur
Technische Universiteit Delft Mekelweg Faculteit Electrotechniek, Wiskunde en Informatica 8 CD Delft Tentamen Inleiding Kansrekening wi juni, 9.. uur Bij dit examen is het gebruik van een (evt. grafische
Nadere informatieRuimtemeetkunde deel 1
Ruimtemeetkunde deel 1 1 Punten We weten reeds dat Π 0 het meetkundig model is voor de vectorruimte R 2. We definiëren nu op dezelfde manier E 0 als meetkundig model voor de vectorruimte R 3. De elementen
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen
Vandaag Onderzoeksmethoden: Statistiek 2 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Theoretische kansverdelingen
Nadere informatiewordt de stelling van Pythagoras toegepast, in dit geval twee keer: eerst in de x y-vlakte en vervolgens in de vlakte loodrecht op de vector y.
Wiskunde voor kunstmatige intelligentie, 2 Les 5 Inproduct Als we het in de meetkunde (of elders) over afstanden en hoeken hebben, dan hebben we daar intuïtief wel een idee van. Maar wat is eigenlijk de
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y650 Docent: L. Habets HG 8.09, Tel: 040-2474230, Email: l.c.g.j.m.habets@tue.nl http://www.win.tue.nl/wsk/onderwijs/2y650 1 Herhaling: opspansel De vectoren v 1,..., v k V spannen
Nadere informatieTentamen Kansrekening (NB004B)
NB4B: Kansrekening Dinsdag november 2 Tentamen Kansrekening (NB4B) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan. Vermeld op ieder blad je naam en
Nadere informatieSterrenkunde Praktikum 1 Fouten en fitten
Sterrenkunde Praktikum 1 Fouten en fitten Paul van der Werf 12 februari 2008 1 Inleiding In de sterrenkunde werken we vaak met zwakke signalen, of met grote hoeveelheden metingen van verschillende nauwkeurigheid.
Nadere informatieIJkingstoets Wiskunde-Informatica-Fysica 29 juni Nummer vragenreeks: 1
IJkingstoets Wiskunde-Informatica-Fysica 29 juni 206 Nummer vragenreeks: IJkingstoets wiskunde-informatica-fysica 29 juni 206 - reeks - p. /0 Oefening Welke studierichting wil je graag volgen? (vraag
Nadere informatieQuantum theorie voor Wiskundigen. Velden en Wegen in de Wiskunde
Quantum theorie voor Wiskundigen door Peter Bongaarts (Rotterdam) bij het afscheidssymposium Velden en Wegen in de Wiskunde voor Henk Pijls Korteweg-de Vries Instituut voor Wiskunde Universiteit van Amsterdam,
Nadere informatie= P(B) = 2P(C), P(A B) = 1 2 en P(A C) = 2 5. d. 31
Tentamen Statistische methoden 45STAMEY april, 9: : Studienummers: Vult u alstublieft op het MC formulier uw Delftse studienummer in; en op het open vragen formulier graag beide, naar volgend voorbeeld:
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 9 Dinsdag 18 Oktober 1 / 1 2 Statistiek Vandaag: Centrale Limietstelling Correlatie Regressie 2 / 1 Centrale Limietstelling 3 / 1 Centrale Limietstelling St. (Centrale
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:
Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+ = j X n = i, X n,...,
Nadere informatieEigenwaarden en Diagonaliseerbaarheid
Hoofdstuk 3 Eigenwaarden en Diagonaliseerbaarheid 31 Diagonaliseerbaarheid Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit
Nadere informatieOpdracht 2. Deadline maandag 28 september 2015, 24:00 uur.
Opdracht 2. Deadline maandag 28 september 2015, 24:00 uur. Deze opdracht bestaat uit vier onderdelen; in elk onderdeel wordt gevraagd een Matlabprogramma te schrijven. De vier bijbehore bestanden stuur
Nadere informatieEigenschappen en Axioma s van de E 6 -meetkunde
Faculteit Wetenschappen Vakgroep Wiskunde Eigenschappen en Axioma s van de E 6 -meetkunde Magali Victoor Promotor: Prof. dr. Hendrik Van Maldeghem Masterproef ingediend tot het behalen van de academische
Nadere informatieOneindige spelen. Dion Coumans. Begeleider: dr. W. Veldman
Oneindige spelen ion Coumans Begeleider: dr. W. Veldman Inhoudsopgave 1 Voorwoord 3 2 efinities 4 3 A is aftelbaar 6 4 Gale-Stewart-stelling 7 5 Stelling van Wolfe 11 2 1 Voorwoord Banach, Mazur en Ulam
Nadere informatie(b) Formuleer het verband tussen f en U(P, f), en tussen f en L(P, f). Bewijs de eerste. (c) Geef de definitie van Riemann integreerbaarheid van f.
Radboud Universiteit Nijmegen Tentamen Analyse 1 WP001B 2 juli 2015, 08:30 11:30 (12:30) Het gebruik van een rekenmachine, telefoon of tablet is niet toegestaan. U mag geen gebruik maken van het boek Analysis
Nadere informatieStochastische Modellen in Operations Management (153088)
S1 S2 X ms X ms Stochastische Modellen in Operations Management (153088) R1 S0 240 ms Ack Internet R2 L1 R3 L2 10 ms 1 10 ms D1 Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatie